257 articles
Cet article propose et valide des méthodes de lissage par noyau et de maximum de vraisemblance pour estimer les paramètres du processus de Vasicek sous le bruit de microstructure, démontrant leur forte cohérence et leur précision à travers une analyse théorique, des simulations numériques et une application empirique aux données de la Bourse de Shanghai.
Cette étude propose un cadre hybride GAM-LightGBM avec un étalonnage conforme sélectif et une procédure de mise en emboîtement afin d'améliorer l'exactitude et la cohérence des prévisions de charge probabilistes pour plusieurs pays européens sous diverses incertitudes météorologiques.
Cette étude valide une matrice Q à sept attributs pour évaluer le raisonnement clinique lors d'un examen médical national coréen à l'aide d'un modèle DINA, démontrant une forte validité de groupes connus grâce à des différences de maîtrise significatives entre les étudiants de troisième et de quatrième année.
Cet article présente un cadre de modélisation spatiale bayésienne hiérarchique qui génère des alertes de santé liées à la chaleur, probabilistes et spécifiques aux quartiers, à travers la Californie en estimant des seuils de température variables liés aux visites aux services d'urgence, permettant ainsi une allocation équitable des ressources et formant la base du système officiel de l'État, le CalHeatScore.
Cette étude démontre que le coefficient de pondération de la précision (γ) dans le modèle CPSP-8 est un scalaire borné, sensible au pipeline, qui ne parvient pas à se généraliser en tant que biomarqueur portable à travers les tâches, à moins que le gain de précision ne soit suffisamment important, alors que les autres paramètres de décision ne fonctionnent que comme des commutateurs de mode.
Cet article propose une méthode pour dériver des intervalles de confiance bidirectionnels calibrés pour l'aire sous la courbe (AUC) réelle dans l'apprentissage positif-non étiqueté en récupérant exactement l'AUC cible à partir de métriques observables et en propageant l'incertitude de la fraction positive estimée, adressant ainsi le biais et le manque de fiabilité dans les évaluations de performance actuelles.
Cette étude évalue des modèles classiques, d'apprentissage automatique et d'apprentissage profond pour la prévision hebdomadaire des cas de dengue à Marikina City en utilisant un plan temporel exempt de fuite de données, constatant que bien que les modèles de base simples aient bien performé lors de la validation interne, le modèle LSTM a obtenu une précision prédictive supérieure sur l'échantillon de test hors période de 2025 malgré une tendance générale à la sous-prédiction des semaines de niveau d'épidémie.
Cette étude emploie un modèle hiérarchique bayésien tenant compte de l'incertitude et spécifique aux participants pour analyser une expérience intra-sujet, révélant que les voix générées par IA couplées à des avatars d'IA produisent le profil d'engagement et de charge cognitive le plus favorable tout en mettant en évidence une hétérogénéité individuelle significative dans les réponses aux combinaisons audiovisuelles.
Cette étude des publications en bibliothéconomie et sciences de l'information révèle que l'avantage de citation lié à l'accès ouvert n'est pas uniforme mais dépend plutôt du sujet et est largement porté par les sous-domaines adjacents aux sciences de la santé, tout en étant significativement atténué lorsque l'on contrôle les références de base de citation au niveau de la revue.
Cet article introduit des modèles de criblage de position de composant linéaires, quadratiques et de second ordre flexibles qui utilisent la position zéro pour encoder l'omission de composants, permettant ainsi une estimation efficace des effets de position absolue non linéaires et la construction de plans optimaux pour les expériences d'ordre d'addition où seul un sous-ensemble de composants est disponible par essai.